CN113872252B - 一种多能互动火电源侧发电效率优化方法及装置 - Google Patents

一种多能互动火电源侧发电效率优化方法及装置 Download PDF

Info

Publication number
CN113872252B
CN113872252B CN202111246531.5A CN202111246531A CN113872252B CN 113872252 B CN113872252 B CN 113872252B CN 202111246531 A CN202111246531 A CN 202111246531A CN 113872252 B CN113872252 B CN 113872252B
Authority
CN
China
Prior art keywords
power
cost
wind
optimization
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111246531.5A
Other languages
English (en)
Other versions
CN113872252A (zh
Inventor
赵志宇
马志昊
梁伟宸
王亚娟
王泽森
刘博�
李梁
曹天植
李善颖
王长瑞
李烜
李�雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
North China Electric Power Research Institute Co Ltd
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
North China Electric Power Research Institute Co Ltd
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, North China Electric Power Research Institute Co Ltd, Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111246531.5A priority Critical patent/CN113872252B/zh
Publication of CN113872252A publication Critical patent/CN113872252A/zh
Application granted granted Critical
Publication of CN113872252B publication Critical patent/CN113872252B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Fuel Cell (AREA)

Abstract

本申请提供一种多能互动火电源侧发电效率优化方法及装置，所述方法包括：根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定火力发电机的有功功率成本；根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定燃料电池系统单位充放电功率的使用成本；根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；根据预先建立的约束条件、有功功率成本、使用成本、弃风惩罚成本及弃光惩罚成本确定多能互动火电源侧发电效率。本申请能根据预先建立的约束条件确定多能互动火电源侧发电效率。

Description

一种多能互动火电源侧发电效率优化方法及装置
技术领域
本申请涉及火力发电领域，具体是一种多能互动火电源侧发电效率优化方法及装置。
背景技术
火力发电厂的厂用电母线可有效接入分布式电源，形成厂用电微电网，辅助火力发电厂的安全运行。因此，厂用电微电网具有十分广泛的应用前景。大型火力发电厂一般位于海边、郊区等拥有较大风光储能的地方，以便充分利用机组屋顶、卸煤码头、煤场、冷却塔等空闲场地资源来安装分布式电源，与柴油发电机、储能装置等互联形成具有一定规模的多能互动火电源，辅助厂用电系统的运行。
将微电网系统接入厂用电系统，形成多能互动火电源，能够有效降低厂用电率，对发电企业增加经济效益、实现节能减排等都有着重要的意义。目前，厂用电优化运行指令往往基于厂用电优化运行指令控制器下达。该厂用电优化运行指令往往未能充分考虑微电网所提供的发电量，因此，需要一种能够综合考虑微电网系统及厂用电系统的发电效率优化方法。
发明内容
针对现有技术中的问题，本申请提供一种多能互动火电源侧发电效率优化方及装置，能够根据预先建立的约束条件确定多能互动火电源侧发电效率。
为解决上述技术问题，本申请提供以下技术方案：
第一方面，本申请提供一种多能互动火电源侧发电效率优化方法，包括：
根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
进一步地，所述的多能互动火电源侧发电效率优化方法，还包括：
判断风力发电机是否接收到短时调峰指令；
若是，启动所述风力发电机的短时调频模式；
若否，执行所述多能互动火电源侧发电效率优化方法。
进一步地，所述的多能互动火电源侧发电效率优化方法，所述约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束，预先建立约束条件的步骤，包括：
根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定所述厂用电有功平衡约束；
根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定所述出力上下限约束；
根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定所述光伏爬坡速度约束；
根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定所述风机爬坡速度约束；
根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定所述制氢设备和氢燃料电池约束。
进一步地，所述的多能互动火电源侧发电效率优化方法，还包括：
根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
进一步地，所述的多能互动火电源侧发电效率优化方法，所述优化参数包括优化区间总数及优化区间时长，所述根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本，包括：
分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；
根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本。
进一步地，所述的多能互动火电源侧发电效率优化方法，所述充放电功率包括充电功率及放电功率，所述根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本，包括：
计算所述年金系数与所述投资成本的第二乘积；
将所述第二乘积与所述运维成本相加，得到第一和数；
计算所述充电功率与所述放电功率的第二和数；
分别在各优化区间内将所述第一和数、所述第二和数及优化区间时长的第三乘积；
根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本。
进一步地，所述的多能互动火电源侧发电效率优化方法，所述根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本，包括：
计算所述风电预测精度与所述风电功率的预期值的第四乘积；
计算所述第四乘积与风电功率的实际值之差；
分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
进一步地，所述的多能互动火电源侧发电效率优化方法，所述根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本，包括：
计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
计算所述第六乘积与光伏功率的实际值之差；
分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
第二方面，本申请提供一种多能互动火电源侧发电效率优化装置，包括：
功率成本确定单元，用于根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
使用成本确定单元，用于根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
弃风成本确定单元，用于根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
弃光成本确定单元，用于根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
发电效率确定单元，用于根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
进一步地，所述的多能互动火电源侧发电效率优化装置，还包括：
调峰指令判断单元，用于判断风力发电机是否接收到短时调峰指令；
短时调频启动单元，用于启动所述风力发电机的短时调频模式；
优化执行单元，用于进行执行所述多能互动火电源侧发电效率优化方法。
进一步地，所述的多能互动火电源侧发电效率优化装置，所述约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束，还包括：
有功平衡约束确定单元，用于根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定所述厂用电有功平衡约束；
出力上下限约束确定单元，用于根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定所述出力上下限约束；
光伏爬坡速度约束确定单元，用于根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定所述光伏爬坡速度约束；
风机爬坡速度约束确定单元，用于根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定所述风机爬坡速度约束；
电池约束确定单元，用于根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定所述制氢设备和氢燃料电池约束。
进一步地，所述的多能互动火电源侧发电效率优化装置，还包括：
优化运行指令发送单元，用于根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
进一步地，所述的多能互动火电源侧发电效率优化装置，所述优化参数包括优化区间总数及优化区间时长，所述功率成本确定单元，包括：
第一乘积确定模块，用于分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；
功率成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本。
进一步地，所述的多能互动火电源侧发电效率优化装置，所述充放电功率包括充电功率及放电功率，所述使用成本确定单元，包括：
第二乘积确定模块，用于计算所述年金系数与所述投资成本的第二乘积；
第一和数确定模块，用于将所述第二乘积与所述运维成本相加，得到第一和数；
第二和数确定模块，用于计算所述充电功率与所述放电功率的第二和数；
第三乘积确定模块，用于分别在各优化区间内将所述第一和数、所述第二和数及优化区间时长的第三乘积；
使用成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本。
进一步地，所述的多能互动火电源侧发电效率优化装置，所述弃风成本确定单元，包括：
第四乘积确定模块，用于计算所述风电预测精度与所述风电功率的预期值的第四乘积；
弃风差值确定模块，用于计算所述第四乘积与风电功率的实际值之差；
第五乘积确定模块，用于分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
弃风惩罚成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
进一步地，所述的多能互动火电源侧发电效率优化装置，所述弃光成本确定单元，包括：
第六乘积确定模块，用于计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
弃光差值确定模块，用于计算所述第六乘积与光伏功率的实际值之差；
第七乘积确定模块，用于分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
弃光惩罚成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
第三方面，本申请提供一种电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述多能互动火电源侧发电效率优化方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述多能互动火电源侧发电效率优化方法的步骤。
针对现有技术中的问题，本申请提供的多能互动火电源侧发电效率优化方法及装置，能够考虑将风-光-氢接入火力发电厂厂用电系统，根据风-光-火多种电源出力及厂用电负荷特性，建立厂用电层面多能互动的能量优化模型，并进行分析计算，定量地分析风-光-氢接入火力发电厂厂用电系统后，对促进可再生能源就地消纳及降低火电厂用电率等方面所发挥的作用。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中多能互动火电源侧发电效率优化方法的流程图之一；
图2为本申请实施例中火力发电厂一台机组及其厂用电系统的示意图；
图3为本申请实施例中多能互动火电源侧发电效率优化方法的流程图之二；
图4为本申请实施例中预先建立约束条件的步骤；
图5为本申请实施例中确定有功功率成本的流程图；(权5)
图6为本申请实施例中确定使用成本的流程图；(权6)
图7为本申请实施例中确定弃风惩罚成本的流程图；(权7)
图8为本申请实施例中确定弃光惩罚成本的流程图；(权8)
图9为本申请实施例中多能互动火电源侧发电效率优化装置的结构图之一；
图10为本申请实施例中多能互动火电源侧发电效率优化装置的结构图之二；
图11为本申请实施例中多能互动火电源侧发电效率优化装置的结构图之三；(权11)
图12为本申请实施例中功率成本确定单元的结构图；
图13为本申请实施例中使用成本确定单元的结构图；
图14为本申请实施例中弃风成本确定单元的结构图；
图15为本申请实施例中弃光成本确定单元的结构图；
图16为本申请实施例中的电子设备的结构示意图；
图17为本申请实施例中单日内风电、光伏、厂用负荷、高厂变注入厂用负荷的功率；
图18为本申请实施例中单日内氢燃料电池发出功率和电解槽制氢所需功率；
图19为本申请实施例中单日内储氢罐能量变化；
图20为本申请实施例中单日内风力发电机预测、实际发出风力和弃风量；
图21为本申请实施例中单日内光伏预测、实际发出风力和弃风量；
图22为本申请实施例中火力发电机出力和调度指令；
图23为本申请实施例中风电出力；
图24为本申请实施例中风机的运行模式切换策略示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
一实施例中，参见图1，为了能够根据预先建立的约束条件确定多能互动火电源侧发电效率，本申请提供一种多能互动火电源侧发电效率优化方法，包括：
S101：根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
S102：根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
S103：根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
S104：根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
S105：根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
可以理解的是，本申请提供的多能互动火电源侧发电效率优化方法可在风-光-氢多能互补火电源侧厂用电系统应用。风-光-氢多能互补火电源侧厂用电系统的拓扑结构参见图2所示。风力发电机与光伏阵列分别通过相应的变流装置与交、直流母线相连，为厂用电的交直流负荷提供电能，其目的在于，在最大化消纳可再生能源发电量的前提下，尽量减少火力发电机向厂用电负荷的支撑。其中，制氢储能配置模式可以兼顾功率、能量、清洁环保、响应速度的多重需求。当可再生能源发电量过多时，制氢装置的电解槽可将多余电能通过“电解水”的化学反应制出氢气，存储在储氢罐中满足厂用多种用能需求；当厂用负荷较大、可再生能源出力较低时，氢气燃料电池可以承担部分厂用负荷。
在本申请实施例中，可以根据风-光-氢多能互补火电源侧厂用电系统的各参数，分别计算出火力发电机的有功功率成本、燃料电池系统单位充放电功率的使用成本、弃风惩罚成本及弃光惩罚成本，再将出火力发电机的有功功率成本、燃料电池系统单位充放电功率的使用成本、弃风惩罚成本及弃光惩罚成本相加，得到厂用电用能成本的最小值，从而确定多能互动火电源侧发电效率的最优值。
需要说明的是，为保证系统稳定、安全运行，本申请考虑风-光-火-储-氢多运行模式的运行控制策略。该策略遵循了以下几点：(1)保证厂用电的交直流母线电压稳定和功率实时平衡，最大化消纳可再生能源的发电量；(2)光伏阵列电源的本质是电流源，MPPT模式是最大化利用光伏能源的最佳模式；(3)风机及其电力电子变流器的响应速度明显优于火力发电机，因此风机可以运行于：1)MPPT模式；2)出力范围内，恒定电压模式；3)调频模式：在较小时间尺度下响应电厂内外的尖峰负荷需求；(4)制氢装置是否投入取决于当前厂用电部分的功率平衡和当前厂用负荷的多元用能需求。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够考虑将风-光-氢接入火力发电厂厂用电系统，根据风-光-火多种电源出力及厂用电负荷特性，建立厂用电层面多能互动的能量优化模型，并进行分析计算，定量地分析风-光-氢接入火力发电厂厂用电系统后，对促进可再生能源就地消纳及降低火电厂用电率等方面所发挥的作用。
一实施例中，参见图3，多能互动火电源侧发电效率优化方法，还包括：
S301：判断风力发电机是否接收到短时调峰指令；
S302：若是，启动所述风力发电机的短时调频模式；
S303：若否，执行所述多能互动火电源侧发电效率优化方法。
可以理解的是，在采用本申请所提供的方法来确定多能互动火电源侧发电效率前，需要先判断风力发电机是否接收到了短时调峰指令；如果风力发电机接收到了短时调峰指令，则需要启动风力发电机的短时调频模式；直到判断出风力发电机已经结束了短时调频模式，进入了MPPT模式后，才能执行多能互动火电源侧发电效率优化方法。其中，MPPT模式是最大化利用光伏能源的最佳模式。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够判断风力发电机是否接收到短时调峰指令，然后执行多能互动火电源侧发电效率优化方法。
一实施例中，参见图4，预先建立约束条件的步骤，包括：
S401：根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定厂用电有功平衡约束；
S402：根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定出力上下限约束；
S403：根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定光伏爬坡速度约束；
S404：根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定风机爬坡速度约束；
S405：根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定制氢设备和氢燃料电池约束。
可以理解的是，约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束。
a.厂用电有功平衡约束。
式中，Wi,t为第i台风机在第t个优化区间内的出力；Dj,t为第j区光伏阵列在第t个优化区间内的出力；I为风机的数量，J为光伏阵列的块数；Lt是厂用负荷，SHc,t和SHd,t分别是制氢电功率和氢燃料电池输出功率。
b.火力发电机向厂用负荷送电功率约束。
Gt≥0 (2)
由于并入厂用电母线的可再生能源容量较小、出力的间歇性等因素，这里将新能源设定为就地消纳。
c.光伏约束。
出力上下限约束：
其中，为第j台光伏在t时段的状态，为0-1变量，分别表示光伏停运和正常工作；/>为第j台光伏输出有功功率的上限。
爬坡速度约束：
-RD,down≤Di,t+1-Di,t≤RD,up (4)
其中，RD,up和RD,down分别为光伏向上和向下爬坡速度限制，均为正值。
d.风机约束。
风电出力上下限约束：
0≤Wt≤kWfWt f (5)
风电爬坡速度约束：
-Rw,down≤Wt+1-Wt≤Rw,up (6)
其中，Rw,up和Rw,down分别为风电的向上和向下爬坡速度限制，均为正值。
e.制氢设备和氢燃料电池约束。
-RHs,down≤(SHd,t+1-SHc,t+1)-(SHd,t-SHc,t)≤RHs,up (9)
其中，SHcmax和SHdmax分别为储能充放电功率的上限，均为正值；和/>为0-1变量，0表示储能不工作，1表示储能工作；RHs,up和RHs,down分别为储能的向上和向下爬坡速度限制，均为正值。
其中，EHb为储氢罐额定总能量；ηH、ηHd和ηHc分别为储氢罐自损耗率、氢燃料电池综合发电效率和储氢罐综合制氢效率；SOCH,t为第t个区间开始时的氢储系统荷能状态，其在安全范围内变化，如下所示。
SOCHmin≤SOCH,t≤SOCHmax (12)
其中，SOCHmax和SOCHmin分别为氢储荷能状态上、下限。为了保证储能系统下一日的调节能力，单日内的氢储荷能状态变化量不能超过总量的一个比值δH：
|SOCH,N-SOCH,1|≤δH (13)
为了保证在一天起始时具有用氢和制氢的空间，氢储起始荷能状态设置如下：
SOCH,1＝50％ (14)
厂用电能量优化问题的数学本质是凸可行问题。在以上能量优化模型中没有出现非线性、非凸的约束，因此可以使用成熟的商业求解器对模型进行求解，如Cplex和Gurobi等，从而保证解的计算效率和最优性。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够预先建立约束条件。
一实施例中，多能互动火电源侧发电效率优化方法，还包括：根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
一实施例中，参见图5，所述优化参数包括优化区间总数及优化区间时长，所述根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本，包括：
S501：分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；
S502：根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本。
一实施例中，参见图6，多能互动火电源侧发电效率优化方法，所述充放电功率包括充电功率及放电功率，所述根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本，包括：
S601：计算所述年金系数与所述投资成本的第二乘积；
S602：将所述第二乘积与所述运维成本相加，得到第一和数；
S603：计算所述充电功率与所述放电功率的第二和数；
S604：分别在各优化区间内将所述第一和数、所述第二和数及优化区间时长的第三乘积；
S605：根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本。
一实施例中，参见图7，多能互动火电源侧发电效率优化方法，所述根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本，包括：
S701：计算所述风电预测精度与所述风电功率的预期值的第四乘积；
S702：计算所述第四乘积与风电功率的实际值之差；
S703：分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
S704：根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
一实施例中，参见图8，多能互动火电源侧发电效率优化方法，所述根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本，包括：
S801：计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
S802：计算所述第六乘积与光伏功率的实际值之差；
S803：分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
S804：根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
可以理解的是，优化目标为厂用电用能成本最小化，如式(1)所示。
min E＝M1+M2+M3+M4 (15)
其中，M1是单日内火力发电机向厂用电母线输送有功的成本。
其中，N为优化区间总数；λt为厂用电单位有功功率成本单价；Gt为火力发电机向厂用电10.5kV母线输送的有功功率；Δt为优化区间的时长。M2是制氢-氢燃料电池系统单位充放电功率的使用成本和设备折旧费；M3是弃风惩罚成本，M4是弃光惩罚成本。
其中，kH,a为由制氢-氢燃料电池系统投资初值折算至每年的年金系数；kH,I为制氢-氢燃料电池系统单位充放电功率对应的投资成本；kH,m为制氢-氢燃料电池系统的运行和维护成本；SHd,t和SHc,t分别为制氢-氢燃料电池系统的充、放电功率；σW为弃风惩罚因子；Wt f和Wt分别为风电功率预测期望和实际上网功率；kWf为风电预测精度，kWf≥1，精度越高越接近于1；σPV为弃光惩罚因子；和Dt分别为光伏功率预测期望和实际上网功率；kWf为风电预测精度，kWf≥1，精度越高越接近于1；kPV为光伏预测精度，kPV≥1，精度越高越接近于1；NS为储能电池的寿命周期；r为利率；NH为制氢-氢燃料电池系统的寿命周期。式(6)中h为小时。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够分别计算出火力发电机的有功功率成本、燃料电池系统单位充放电功率的使用成本、弃风惩罚成本及弃光惩罚成本。
参见图17至图24，为了验证本申请所提供的方法的正确性及可行性，在MATLAB2016a环境下开发上述能量优化模型，仿真程序在配置处理器Intel Core i7-6500U CPU、2.50GHz主频、8GB内存的个人计算机上完成，并使用基于MATLAB的YALMIP工具包及IBMILOG Cplex作为求解器。
假定算例中，火力发电厂采用2×660MW火力发电机组，厂用负荷峰值80MW左右，在接入风电、光伏、氢储能之前综合厂用电率6.5％左右。接入厂用电系统的风电装机容量为50MW，光伏接入厂用电容量为5.5MW。储氢系统配置总容量10MWh，电厂自身所有。储氢罐自损耗率、氢燃料电池综合发电效率和储氢罐综合制氢效率分别为0.00001、0.45和0.54。优化总区间数为24，即以1h为一个优化区间时长；单日内模型输入数据和部分仿真结果如下。
当接入厂用电的风力发电机和光伏阵列均处在MPPT模式时，以公式(1)为优化目标，可以得到图示的仿真结果。从仿真结果可以看出，风电和光伏填补了大部分厂用电负荷，少部分厂用电负荷仍需要火力发电机进行补充。当前算例中，当后半夜风力大发、厂用负荷消耗不了多余的风电时，启用电解槽装置制氢气；当上午和傍晚厂用电负荷较大、风电和光伏满足不了厂用电负荷时，启用氢燃料电池发电。当风电大发程度较大，厂用负荷和制氢装置消耗不了时，丢弃多余风能。
本算例中通过将风电和光伏等可再生能源接入厂用电系统，厂用电率从4.6％降至1.6％，大大提高了可再生能源的就地消纳，降低了传统火力发电厂的厂用电率和运行成本，提高了传统火力发电厂的经济性。
当火力发电厂上级区域级调度对火力发电厂下达短时额外出力支撑指令时，火力发电机惯量较大，在几分钟内可以响应调度指令；风机由于惯量较小，响应速度较快，在几秒内可以响应调度指令。当风力发电机没有满发还能满足调度的“在较小时间尺度下响应电厂外的尖峰负荷需求”指令时，风力发电机进入调频模式，在短时间内增加出力，火力发电机的出力在几分钟后增大至调度目标，与此同时风力发电机的出力下降，示意图如下所示。背景是此段时间光伏和氢燃料电池系统不工作；从第5s开始，调度对火力发电厂的对外出力指令从1330MW变为1355MW，增加了25MW，但是火力发电厂惯量较大，按照出力爬坡能力的上限200kW/s进行增加出力；风机在出力功率裕量以内，几毫秒内的出力即填补缺额。经过120s，火力发电机出力从1280MW增加至1305MW，风机出力缓缓下降。
基于同一发明构思，本申请实施例还提供了一种多能互动火电源侧发电效率优化装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于多能互动火电源侧发电效率优化装置解决问题的原理与多能互动火电源侧发电效率优化方法相似，因此多能互动火电源侧发电效率优化装置的实施可以参见基于软件性能基准确定方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
一实施例中，参见图9，为了能够根据预先建立的约束条件确定多能互动火电源侧发电效率，本申请提供一种多能互动火电源侧发电效率优化装置，包括：
功率成本确定单元901，用于根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
使用成本确定单元902，用于根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
弃风成本确定单元903，用于根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
弃光成本确定单元904，用于根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
发电效率确定单元905，用于根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
一实施例中，参见图10，所述的多能互动火电源侧发电效率优化装置，还包括：
调峰指令判断单元1001，用于判断风力发电机是否接收到短时调峰指令；
短时调频启动单元1002，用于启动所述风力发电机的短时调频模式；
优化执行单元1003，用于进行执行所述多能互动火电源侧发电效率优化方法。
一实施例中，参见图11，所述约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束，还包括：
有功平衡约束确定单元1101，用于根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定所述厂用电有功平衡约束；
出力上下限约束确定单元1102，用于根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定所述出力上下限约束；
光伏爬坡速度约束确定单元1103，用于根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定所述光伏爬坡速度约束；
风机爬坡速度约束确定单元1104，用于根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定所述风机爬坡速度约束；
电池约束确定单元1105，用于根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定所述制氢设备和氢燃料电池约束。
一实施例中，多能互动火电源侧发电效率优化装置，还包括：
优化运行指令发送单元，用于根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
一实施例中，参见图12，多能互动火电源侧发电效率优化装置，所述优化参数包括优化区间总数及优化区间时长，所述功率成本确定单元901，包括：
第一乘积确定模块1201，用于分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；
功率成本确定模块1202，用于根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本。
一实施例中，参见图13，多能互动火电源侧发电效率优化装置，所述充放电功率包括充电功率及放电功率，所述使用成本确定单元902，包括：
第二乘积确定模块1301，用于计算所述年金系数与所述投资成本的第二乘积；
第一和数确定模块1302，用于将所述第二乘积与所述运维成本相加，得到第一和数；
第二和数确定模块1303，用于计算所述充电功率与所述放电功率的第二和数；
第三乘积确定模块1304，用于分别在各优化区间内将所述第一和数、所述第二和数及优化区间时长的第三乘积；
使用成本确定模块1305，用于根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本。
一实施例中，参见图14，所述弃风成本确定单元903，包括：
第四乘积确定模块1401，用于计算所述风电预测精度与所述风电功率的预期值的第四乘积；
弃风差值确定模块1402，用于计算所述第四乘积与风电功率的实际值之差；
第五乘积确定模块1403，用于分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
弃风惩罚成本确定模块1404，用于根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
一实施例中，参见图15，所述弃光成本确定单元904，包括：
第六乘积确定模块1501，用于计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
弃光差值确定模块1502，用于计算所述第六乘积与光伏功率的实际值之差；
第七乘积确定模块1503，用于分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
弃光惩罚成本确定模块1504，用于根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
从硬件层面来说，为了能够根据预先建立的约束条件确定多能互动火电源侧发电效率，本申请提供一种用于实现所述多能互动火电源侧发电效率优化方法中的全部或部分内容的电子设备的实施例，所述电子设备具体包含有如下内容：
处理器(Processor)、存储器(Memory)、通讯接口(Communications Interface)和总线；其中，所述处理器、存储器、通讯接口通过所述总线完成相互间的通讯；所述通讯接口用于实现所述多能互动火电源侧发电效率优化装置与核心业务系统、用户终端以及相关数据库等相关设备之间的信息传输；该逻辑控制器可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该逻辑控制器可以参照实施例中的多能互动火电源侧发电效率优化方法的实施例，以及多能互动火电源侧发电效率优化装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。
可以理解的是，所述用户终端可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(PDA)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。
在实际应用中，多能互动火电源侧发电效率优化方法的部分可以在如上述内容所述的电子设备侧执行，也可以所有的操作都在所述客户端设备中完成。具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器。
上述的客户端设备可以具有通讯模块(即通讯单元)，可以与远程的服务器进行通讯连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通讯链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
图16为本申请实施例的电子设备9600的系统构成的示意框图。如图16所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图16是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。
一实施例中，多能互动火电源侧发电效率优化方法功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：
S101：根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
S102：根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
S103：根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
S104：根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
S105：根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够考虑将风-光-氢接入火力发电厂厂用电系统，根据风-光-火多种电源出力及厂用电负荷特性，建立厂用电层面多能互动的能量优化模型，并进行分析计算，定量地分析风-光-氢接入火力发电厂厂用电系统后，对促进可再生能源就地消纳及降低火电厂用电率等方面所发挥的作用。
在另一个实施方式中，多能互动火电源侧发电效率优化装置可以与中央处理器9100分开配置，例如可以将数据复合传输装置多能互动火电源侧发电效率优化装置配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现多能互动火电源侧发电效率优化方法的功能。
如图16所示，该电子设备9600还可以包括：通讯模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图16中所示的所有部件；此外，电子设备9600还可以包括图16中没有示出的部件，可以参考现有技术。
如图16所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器9140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通讯功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通讯模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通讯模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通讯终端的情况相同。
基于不同的通讯技术，在同一电子设备中，可以设置有多个通讯模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通讯模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。
本申请的实施例还提供能够实现上述实施例中的执行主体为服务器或客户端的多能互动火电源侧发电效率优化方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的多能互动火电源侧发电效率优化方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：
S101：根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
S102：根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
S103：根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
S104：根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
S105：根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率。
从上述描述可知，本申请提供的多能互动火电源侧发电效率优化方法，能够考虑将风-光-氢接入火力发电厂厂用电系统，根据风-光-火多种电源出力及厂用电负荷特性，建立厂用电层面多能互动的能量优化模型，并进行分析计算，定量地分析风-光-氢接入火力发电厂厂用电系统后，对促进可再生能源就地消纳及降低火电厂用电率等方面所发挥的作用。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (14)

1.一种多能互动火电源侧发电效率优化方法，其特征在于，包括：
根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率；
其中，所述优化参数包括优化区间总数及优化区间时长，所述根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本，包括：分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本；
其中，所述充放电功率包括充电功率及放电功率，所述根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本，包括：计算所述年金系数与所述投资成本的第二乘积；将所述第二乘积与所述运维成本相加，得到第一和数；计算所述充电功率与所述放电功率的第二和数；计算各优化区间内的所述第一和数、所述第二和数及优化区间时长的第三乘积；根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本；
具体地，其中，M2是制氢-氢燃料电池系统单位充放电功率的使用成本；kH,a为由制氢-氢燃料电池系统投资初值折算至每年的年金系数；kH,I为制氢-氢燃料电池系统单位充放电功率对应的投资成本；kH,m为制氢-氢燃料电池系统的运行和维护成本；SHd,t和SHc,t分别为制氢-氢燃料电池系统的充、放电功率；Dt为优化区间的时长；
具体地，所述约束条件包括爬坡速度约束：
-RD,down￡Di,t+1-Di,t￡RD,up
其中，RD,up和RD,down分别为光伏向上和向下爬坡速度限制，均为正值；Di,t为第i区光伏阵列在第t个优化区间内的出力；Di,t+1为第i区光伏阵列在第t+1个优化区间内的出力。
2.根据权利要求1所述的多能互动火电源侧发电效率优化方法，其特征在于，还包括：
判断风力发电机是否接收到短时调峰指令；
若是，启动所述风力发电机的短时调频模式；
若否，执行所述多能互动火电源侧发电效率优化方法。
3.根据权利要求2所述的多能互动火电源侧发电效率优化方法，其特征在于，所述约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束；预先建立约束条件的步骤，包括：
根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定所述厂用电有功平衡约束；
根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定所述出力上下限约束；
根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定所述光伏爬坡速度约束；
根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定所述风机爬坡速度约束；
根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定所述制氢设备和氢燃料电池约束。
4.根据权利要求3所述的多能互动火电源侧发电效率优化方法，其特征在于，还包括：
根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
5.根据权利要求1所述的多能互动火电源侧发电效率优化方法，其特征在于，所述根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本，包括：
计算所述风电预测精度与所述风电功率的预期值的第四乘积；
计算所述第四乘积与风电功率的实际值之差；
分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
6.根据权利要求1所述的多能互动火电源侧发电效率优化方法，其特征在于，所述根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本，包括：
计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
计算所述第六乘积与光伏功率的实际值之差；
分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
7.一种多能互动火电源侧发电效率优化装置，其特征在于，包括：
功率成本确定单元，用于根据火力发电机的有功功率成本单价、有功功率输出值及预设的优化参数确定所述火力发电机的有功功率成本；
使用成本确定单元，用于根据燃料电池系统的年金系数、投资成本、运维成本及充放电功率确定所述燃料电池系统单位充放电功率的使用成本；
弃风成本确定单元，用于根据预设的弃风惩罚因子、风电功率的预期值与实际值及风电预测精度确定弃风惩罚成本；
弃光成本确定单元，用于根据预设的弃光惩罚因子、光伏功率的预期值与实际值、风电预测精度及光伏预测精度确定弃光惩罚成本；
发电效率确定单元，用于根据预先建立的约束条件、所述有功功率成本、所述使用成本、所述弃风惩罚成本及所述弃光惩罚成本确定多能互动火电源侧发电效率；
其中，所述优化参数包括优化区间总数及优化区间时长，所述功率成本确定单元，包括：第一乘积确定模块，用于分别在各优化区间内计算所述火力发电机的有功功率成本单价、所述有功功率输出值与所述优化区间时长的第一乘积；功率成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第一乘积相加，得到所述火力发电机的有功功率成本；
其中，所述充放电功率包括充电功率及放电功率，所述使用成本确定单元，包括：第二乘积确定模块，用于计算所述年金系数与所述投资成本的第二乘积；第一和数确定模块，用于将所述第二乘积与所述运维成本相加，得到第一和数；第二和数确定模块，用于计算所述充电功率与所述放电功率的第二和数；第三乘积确定模块，用于计算各优化区间内的所述第一和数、所述第二和数及优化区间时长的第三乘积；使用成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第三乘积相加，得到所述燃料电池系统单位充放电功率的使用成本；
具体地，其中，M2是制氢-氢燃料电池系统单位充放电功率的使用成本；kH,a为由制氢-氢燃料电池系统投资初值折算至每年的年金系数；kH,I为制氢-氢燃料电池系统单位充放电功率对应的投资成本；kH,m为制氢-氢燃料电池系统的运行和维护成本；SHd,t和SHc,t分别为制氢-氢燃料电池系统的充、放电功率；Dt为优化区间的时长；
具体地，所述约束条件包括爬坡速度约束：
-RD,down￡Di,t+1-Di,t￡RD,up
其中，RD,up和RD,down分别为光伏向上和向下爬坡速度限制，均为正值；Di,t为第i区光伏阵列在第t个优化区间内的出力；Di,t+1为第i区光伏阵列在第t+1个优化区间内的出力。
8.根据权利要求7所述的多能互动火电源侧发电效率优化装置，其特征在于，还包括：
调峰指令判断单元，用于判断风力发电机是否接收到短时调峰指令；
短时调频启动单元，用于启动所述风力发电机的短时调频模式；
优化执行单元，用于进行执行所述多能互动火电源侧发电效率优化方法。
9.根据权利要求8所述的多能互动火电源侧发电效率优化装置，其特征在于，所述约束条件包括厂用电有功平衡约束、出力上下限约束、光伏爬坡速度约束、风机爬坡速度约束及制氢设备和氢燃料电池约束，还包括：
有功平衡约束确定单元，用于根据风机的数量及出力、光伏阵列的数量及出力及所述燃料电池系统的输出功率确定所述厂用电有功平衡约束；
出力上下限约束确定单元，用于根据所述光伏阵列的运停状态及光伏输出有功功率的上限确定所述出力上下限约束；
光伏爬坡速度约束确定单元，用于根据所述光伏阵列的向上爬坡速度限制及向下爬坡速度限制确定所述光伏爬坡速度约束；
风机爬坡速度约束确定单元，用于根据所述风力发电机的向上爬坡速度限制及向下爬坡速度限制确定所述风机爬坡速度约束；
电池约束确定单元，用于根据储能充放电功率的上限、储能的向上和向下爬坡速度限制确定所述制氢设备和氢燃料电池约束。
10.根据权利要求9所述的多能互动火电源侧发电效率优化装置，其特征在于，还包括：
优化运行指令发送单元，用于根据所述多能互动火电源侧发电效率向所述火力发电机、风力发电机及光伏阵列发送厂用电优化运行指令，以实现发电效率优化。
11.根据权利要求7所述的多能互动火电源侧发电效率优化装置，其特征在于，所述弃风成本确定单元，包括：
第四乘积确定模块，用于计算所述风电预测精度与所述风电功率的预期值的第四乘积；
弃风差值确定模块，用于计算所述第四乘积与风电功率的实际值之差；
第五乘积确定模块，用于分别在各优化区间内计算所述第四乘积与所述实际值之差、所述弃风惩罚因子与所述优化区间时长的第五乘积；
弃风惩罚成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第五乘积相加，得到所述弃风惩罚成本。
12.根据权利要求7所述的多能互动火电源侧发电效率优化装置，其特征在于，所述弃光成本确定单元，包括：
第六乘积确定模块，用于计算所述光伏预测精度与所述光伏功率的预期值的第六乘积；
弃光差值确定模块，用于计算所述第六乘积与光伏功率的实际值之差；
第七乘积确定模块，用于分别在各优化区间内计算所述第六乘积与光伏功率的实际值之差、所述弃光惩罚因子与所述优化区间时长的第七乘积；
弃光惩罚成本确定模块，用于根据所述优化区间总数，将各优化区间对应的第七乘积相加，得到所述弃光惩罚成本。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至6任一项所述的多能互动火电源侧发电效率优化方法的步骤。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6任一项所述的多能互动火电源侧发电效率优化方法的步骤。
CN202111246531.5A 2021-10-26 2021-10-26 一种多能互动火电源侧发电效率优化方法及装置 Active CN113872252B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111246531.5A CN113872252B (zh) 2021-10-26 2021-10-26 一种多能互动火电源侧发电效率优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111246531.5A CN113872252B (zh) 2021-10-26 2021-10-26 一种多能互动火电源侧发电效率优化方法及装置

Publications (2)

Publication Number Publication Date
CN113872252A CN113872252A (zh) 2021-12-31
CN113872252B true CN113872252B (zh) 2024-04-30

Family

ID=78997591

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111246531.5A Active CN113872252B (zh) 2021-10-26 2021-10-26 一种多能互动火电源侧发电效率优化方法及装置

Country Status (1)

Country Link
CN (1) CN113872252B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2093420A2 (en) * 2008-02-21 2009-08-26 General Electric Company System for improving performance of power constrained wind power plant
CN107276127A (zh) * 2017-08-18 2017-10-20 西安交通大学 考虑联络线电力交易计划的多区域互联电力系统的风电消纳优化方法
CN109245183A (zh) * 2018-05-21 2019-01-18 国网河南省电力公司安阳供电公司 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN109687529A (zh) * 2018-12-26 2019-04-26 新奥数能科技有限公司 一种能源调度方法、装置、可读介质及电子设备
CN110752600A (zh) * 2019-11-04 2020-02-04 国网四川省电力公司经济技术研究院 基于多能互补的清洁能源系统优化调度模型的构建方法
CN111786417A (zh) * 2020-05-15 2020-10-16 国网浙江省电力有限公司湖州供电公司 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN112398169A (zh) * 2020-11-10 2021-02-23 国家电网公司西北分部 考虑用户侧响应的含储热chp与火电深调联合优化调峰方法
CN112736978A (zh) * 2021-01-04 2021-04-30 兰州理工大学 一种多源互补电源并网优化系统
CN113159423A (zh) * 2021-04-22 2021-07-23 国网山东省电力公司潍坊供电公司 基于风、火、光储协调的多能源联合优化调度运行方法
CN113285490A (zh) * 2021-06-07 2021-08-20 中国南方电网有限责任公司 电力系统调度方法、装置、计算机设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112350344B (zh) * 2020-05-25 2022-03-25 清华大学 储能系统-火电机组联合调频控制方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2093420A2 (en) * 2008-02-21 2009-08-26 General Electric Company System for improving performance of power constrained wind power plant
CN107276127A (zh) * 2017-08-18 2017-10-20 西安交通大学 考虑联络线电力交易计划的多区域互联电力系统的风电消纳优化方法
CN109245183A (zh) * 2018-05-21 2019-01-18 国网河南省电力公司安阳供电公司 一种基于负荷控制的高风光渗透率地区电网调峰方法
CN109687529A (zh) * 2018-12-26 2019-04-26 新奥数能科技有限公司 一种能源调度方法、装置、可读介质及电子设备
CN110752600A (zh) * 2019-11-04 2020-02-04 国网四川省电力公司经济技术研究院 基于多能互补的清洁能源系统优化调度模型的构建方法
CN111786417A (zh) * 2020-05-15 2020-10-16 国网浙江省电力有限公司湖州供电公司 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN112398169A (zh) * 2020-11-10 2021-02-23 国家电网公司西北分部 考虑用户侧响应的含储热chp与火电深调联合优化调峰方法
CN112736978A (zh) * 2021-01-04 2021-04-30 兰州理工大学 一种多源互补电源并网优化系统
CN113159423A (zh) * 2021-04-22 2021-07-23 国网山东省电力公司潍坊供电公司 基于风、火、光储协调的多能源联合优化调度运行方法
CN113285490A (zh) * 2021-06-07 2021-08-20 中国南方电网有限责任公司 电力系统调度方法、装置、计算机设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《含大规模新能源的现代电力系统动态经济调度研究》;孙凯等;《可再生能源》;第36卷(第5期);第771-776页，图1-8 *

Also Published As

Publication number Publication date
CN113872252A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
Palma-Behnke et al. A microgrid energy management system based on the rolling horizon strategy
Acevedo-Arenas et al. MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response
CN106160091B (zh) 促进可再生能源消纳的电动汽车换电站充放电调度方法
Zaibi et al. Smart power management of a hybrid photovoltaic/wind stand-alone system coupling battery storage and hydraulic network
Mitchell et al. Simulation and optimisation of renewable energy systems
CN107248751A (zh) 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
KR102088532B1 (ko) 에너지 관리 시스템과 그의 에너지 관리 방법 및 에너지 운영 시스템
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
Elkholy et al. Smart centralized energy management system for autonomous microgrid using FPGA
Mohammed et al. A multi-objective optimization model based on mixed integer linear programming for sizing a hybrid PV-hydrogen storage system
CN114362218B (zh) 基于深度q学习的微电网内多类型储能的调度方法及装置
CN117077974A (zh) 虚拟电厂资源优化调度方法、装置、设备及存储介质
CN116957294A (zh) 基于数字孪生的虚拟电厂参与电力市场交易的调度方法
CN116191556A (zh) 考虑新能源消纳和机组组合的5g基站需求响应方法及系统
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
Ananda-Rao et al. Battery energy storage system assessment in a designed battery controller for load leveling and peak shaving applications
CN113690949B (zh) 新能源场站储能系统的控制模式切换方法及装置
CN113872252B (zh) 一种多能互动火电源侧发电效率优化方法及装置
Awad et al. Exploiting day-ahead electricity price for maximized profit of photovoltaic systems
CN116742662A (zh) 一种电氢耦合系统多时间尺度优化运行方法及系统
CN115907393A (zh) 一种含长时储能虚拟电厂的多时间尺度调度方法
CN115189409A (zh) 电力系统生产模拟方法、装置、计算机设备及存储介质
Chen et al. Economic dispatch of hydro-thermal power system with large-scale wind power penetration
Yao et al. Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station
Lei et al. Optimal scheduling of a renewable energy-based park power system: A novel hybrid SDDP/MPC approach

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant